Voice-агент для стоматологии: triage по боли + запись в IDENT
Частная стоматология в Петербурге. Главврач лично отвечал на WhatsApp вечерами и в выходные, потому что 60% обращений — «острая боль», а ресепшен не отличал срочное от планового. Voice-агент с triage-классификатором приоритетов и записью в IDENT снизил время реакции с 47 минут до 4.
Главврач отвечает в WhatsApp в 23:40
Частная стоматология на два кабинета. 60% обращений — «болит сильно, нужно сейчас». Остальное — плановое: чистка, контроль, эстетика. Цена ошибки triage высока в обе стороны: пропустить острую боль — потеря пациента и медицинская проблема; принять плановое как экстренное — упущенный слот, который нужен острому пациенту.
Ресепшен в дневные часы и WhatsApp вечером и в выходные плохо отличал одно от другого. Скоринг по тексту «болит зуб» ничего не даёт: одинаковую фразу пишет и тот, кто вчера съел холодное, и тот, у кого температура и опухла щека.
В итоге главврач сам читал каждое сообщение и принимал решение. Это 18 часов в неделю личного времени, из которых половина — вечера и выходные.
Triage-классификатор priority 1/2/3 → прямая запись в IDENT
Voice-агент собирает структурированный анамнез по 8 пунктам: характер боли, длительность, иррадиация, температура, отёк, реакция на температурное/давление, предыдущие вмешательства, медикаменты. GigaChat-классификатор присваивает приоритет 1 (немедленно), 2 (в течение 24 часов) или 3 (плановая запись). IDENT принимает запись напрямую через n8n-pipeline. Priority 1 параллельно эскалируется главврачу в Telegram.
Подменный номер + WhatsApp-bridge, голос или текст на выбор
GigaChat задаёт 8 структурированных вопросов про характер боли
Классификатор по медицинскому промпт-шаблону + правилам красных флагов
Запись в нужный временной слот по приоритету; conflict-resolution
P1 → Telegram главврачу; P2/P3 → SMS пациенту с подтверждением
Triage-протокол собирается из 8 пунктов
Промпт-классификатор не анализирует одну реплику «болит» — он ведёт диалог по фиксированному шаблону: характер боли (острая/тупая/пульсирующая), длительность (часы/дни), иррадиация (отдаёт ли в челюсть/висок/ухо), температура тела, отёк мягких тканей, реакция на холодное/горячее/давление, предыдущие вмешательства в этой зоне, принимаемые медикаменты. На выходе — структурированный JSON, который идёт в классификатор priority и в карточку IDENT.
Red flags перекрывают LLM-решение
Поверх GigaChat работают детерминированные правила красных флагов: температура > 38°C + отёк = автоматически priority 1, минуя LLM; невозможность открыть рот = priority 1; травма зуба за последние 6 часов = priority 1. LLM не может «передумать» по этим случаям — это страховка от галлюцинации.
ФЗ-152: ПД на серверах РФ, без идентификаторов в LLM
ПД пациентов (ФИО, телефон, медданные) хранятся в PostgreSQL на Selectel в РФ. В GigaChat уходят обезличенные данные: возрастная группа («45-55»), пол, симптоматика — без имени, телефона, паспортных данных. Маппинг session_id ↔ пациент хранится локально и не покидает периметр клиники. Перед запуском было получено согласие на обработку через интегрированный consent-flow.
Запись напрямую в IDENT через n8n
n8n-pipeline принимает классифицированный запрос и пишет в IDENT API: выбирает кабинет, врача, ближайший подходящий по приоритету слот. Если слотов для priority 1 нет — escalation в Telegram главврачу с информацией для ручного решения (перенести планового, открыть дополнительное окно, или направить в дежурную клинику).
ФЗ-152-совместимый стек, без выхода ПД за границу
Voice-канал: подменный номер + bridge к WhatsApp-каналу клиники
LLM-анамнез и triage-классификатор; работает на обезличенных данных
Запись пациентов в правильный кабинет/слот, проверка конфликтов
Pipeline: классификатор → IDENT → эскалация, conflict resolution
Эскалация priority 1 главврачу с краткой выжимкой анамнеза
ПД пациентов, маппинг session ↔ пациент — внутри периметра РФ
Согласие на обработку ПД до старта диалога; журнал логов согласий
Детерминированные red-flags перекрывают LLM-решение по острым случаям
Что изменилось в цифрах
правильно классифицированные P1 попадают в нужный слот
от первого контакта до подтверждённой записи
только реальные P1 + ревью неоднозначных кейсов
высвобожденного времени = +1 рабочий день/нед
Главный win не в часах главврача, а в медицинском качестве: острый пациент попадает в кабинет за минуты, плановый — на удобный плановый слот. Никаких «приходите, посмотрим» и «давайте я уточню и перезвоню в течение часа».
Бонус, который не закладывали в KPI: главврач теперь видит на дашборде распределение P1/P2/P3 по дням недели и часам — стало понятно, когда нужны дополнительные слоты под экстренные, а когда планёрки и эстетика.
Где ещё ложится та же методология
Универсальный паттерн — «структурированный анамнез → triage → запись с эскалацией». Подходит везде, где входящий поток смешан по срочности и цена ошибки сортировки высока:
- → Многопрофильные клиники — triage между специалистами на основе симптомов
- → Ветеринарные клиники — острая боль животного vs плановая вакцинация
- → Сервис-центры техники — поломка-stop vs профилактика; срочные выезды
- → Юр-консультации — горящие сроки vs стандартные процедурные вопросы
- → Технический support B2B — production-down vs feature-request
- Шаблон промпт-анамнеза по структурированным пунктам с выходом в JSON-схему
- Detect-rules слой: детерминированные правила перекрывают LLM по критичным случаям
- ФЗ-152-совместимая архитектура: ПД в РФ, LLM получает обезличенные данные
- Эскалация-pipeline в Telegram/Slack с краткой выжимкой и кнопками действий
Если у вас входящий поток смешан по срочности и люди принимают решение вручную — это автоматизируется
Медицинские и сервисные сценарии с ПД отдельно требуют ФЗ-152-совместимой архитектуры — мы знаем, как обходиться LLM на обезличенных данных и хранить ПД внутри РФ. Срок до production — 5-7 недель в зависимости от сложности интеграции с CRM/медсистемой.
Аудит за 5 000 ₽ — с конкретным отчётом и сметой
Расскажу что внедрить в вашем бизнесе в первую очередь, какая будет окупаемость, и нужен ли вообще AI для вашей задачи (иногда — нет).
Или просто напишите свой вопрос — отвечу в течение 2 часов